消抖滤波
(一) 算法说明
消抖滤波算法是一种针对数据抖动问题的滤波方法。数据抖动是由于数据不稳定、外界干扰等因素，导致的数据短时间内频繁振动的现象。通过抑制这些短期的波动，使数据平滑、稳定。
(二) 实现流程
计数法消抖滤波，首先进行参数初始化，设置计数器 count 和阈值 N 。计数器用于记录数据连续在同一状态下保持的次数，初始值设为 0 。阈值表示数据需要保持的最小连续次数，根据具体数据的特性来设置。将每次读取输入数据和当前稳定状态比较。
对数据进行消抖滤波处理的具体步骤如下：
1）和前一个数据相同：说明处于稳定状态。计数器归零，输出数据保持不变。
2）和前一个数据不同：说明数据不稳定。计数器增加 1 ，输出数据 = 前一个数据。计数器增加后需检查是否已达到阈值，如果计数器的数值达到或超过阈值，则认为数据已趋于稳定，系统将 current_state 更新为 input_signal ，并将 output_state 也更新为 current_state 。随后将计数器归零，以便重新检测后续数据的稳定性。如果计数器未达到阈值，则不进行任何更改，继续等待数据达到稳定的判断条件，保持 output_state 的原状态不变。
(三) 阈值的设置
1）阈值设置较大
- 场景：
- 如果数据中的 噪声较多 ，可能需要设置较高的阈值来过滤掉这些噪声。
- 如果系统需要高度 稳定 ，可以设置较高的阈值来减少误报和误动作。
-
优缺点：
-
优点：能够更有效地过滤掉短期的噪声和波动，使滤波后的数据更加平滑和稳定。
-
缺点：可能导致系统对真实变化的响应速度变慢，因为需要更多的连续相同数据点才能触发状态变化。：
-
2）阈值设置较小的情形
- 场景：
- 如果数据变化较为频繁，但希望系统能够快速响应真实变化，那么阈值应设置得相对较低。
- 如果系统需要 快速响应 ，并且可以接受一定的误报率，那么阈值可以设置得相对较低。
- 优缺点：
- 优点：系统能够快速响应数据中的真实变化，因为较少的连续相同数据点就能触发状态变化。
- 缺点：可能更容易受到噪声和短期波动的影响，导致滤波后的数据仍然存在一定的抖动。
(四) 代码
def debounce_filter(data, threshold):
"""
消抖滤波。
:param
data (list): 要滤波的数组，包含连续的监测数据。
threshold (int): 阈值，表示数据需要保持的最小连续次数。
:return
filtered_data: 滤波后的数据数组。
"""
if not data or threshold < 1:
raise ValueError("数据数组不能为空，且阈值必须大于0")
filtered_data = []
current_state = data[0]
output_state = data[0]
count = 0
for input_signal in data:
if input_signal == current_state:
# 相同状态：计数器归零，继续保持稳定状态，输出状态保持不变
count = 0
else:
# 不同状态：计数器增加1
count += 1
if count >= threshold:
# 如果计数器的数值达到或超过阈值，则认为数据已趋于稳定
current_state = input_signal
output_state = current_state
count = 0 # 重置计数器以便重新检测后续数据的稳定性
# 将当前输出状态添加到滤波后的数据数组中
filtered_data.append(output_state)
return filtered_data
# 示例用法
if __name__ == "__main__":
# 示例数据数组
sample_data = [1, 1, 1, 2, 2, 2, 1, 1, 1, 3, 3, 3, 3, 2, 2, 2]
# 设置阈值
threshold_value = 3
# 调用消抖滤波函数
filtered_result = debounce_filter(sample_data, threshold_value)
# 打印滤波后的数据
print("滤波后的数据:", filtered_result)
----------------------------------------------------------------------------------------------------------------
# 运行结果：
滤波后的数据: [1, 1, 1, 1, 1, 2, 2, 2, 1, 1, 1, 3, 3, 3, 3, 2]
| 上一篇 | 下一篇 |
|---|---|
| 滑动平均滤波 | 待发布 |
